用于生成slugs的Java代码/库（用于漂亮的URL） [英] Java code/library for generating slugs (for use in pretty URLs)

问题描述

Rails和Django等Web框架内置了对slugs的支持，用于生成可读和SEO友好的URL：

Web frameworks such as Rails and Django has built-in support for "slugs" which are used to generate readable and SEO-friendly URLs:

• Slugs in Rails


• Django中的插件

• Slugs in Rails
• Slugs in Django

一个slug字符串通常只包含字符 az ， 0-9 和 - 因此可以在没有URL转义的情况下编写（想想foo％20bar）。

A slug string typically contains only of the characters a-z, 0-9 and - and can hence be written without URL-escaping (think "foo%20bar").

我正在寻找Java给出任何有效Unicode字符串的slug函数将返回一个slug表示（ az ， 0-9 和 - ）。

I'm looking for a Java slug function that given any valid Unicode string will return a slug representation (a-z, 0-9 and -).

一个微不足道的slug函数将是这样的：

A trivial slug function would be something along the lines of:

return input.toLowerCase().replaceAll("[^a-z0-9-]", "");

但是，此实现不会处理国际化和重音（ë> e ）。解决这个问题的一种方法是列举所有特殊情况，但这不是很优雅。我正在寻找更深思熟虑的东西。

However, this implementation would not handle internationalization and accents (ë > e). One way around this would be to enumerate all special cases, but that would not be very elegant. I'm looking for something more well thought out and general.

我的问题：

• 在Java中生成Django / Rails类型slugs的最通用/最实用的方法是什么？

• What is the most general/practical way to generate Django/Rails type slugs in Java?

推荐答案

使用规范分解规范化您的字符串：

Normalize your string using canonical decomposition:

  private static final Pattern NONLATIN = Pattern.compile("[^\\w-]");
  private static final Pattern WHITESPACE = Pattern.compile("[\\s]");

  public static String toSlug(String input) {
    String nowhitespace = WHITESPACE.matcher(input).replaceAll("-");
    String normalized = Normalizer.normalize(nowhitespace, Form.NFD);
    String slug = NONLATIN.matcher(normalized).replaceAll("");
    return slug.toLowerCase(Locale.ENGLISH);
  }

但这仍是一个相当天真的过程。对于s-sharp（&＃xDF; - 用于德语）或任何非拉丁字母（希腊语，西里尔语，CJK等），它不会做任何事情。

This is still a fairly naive process, though. It isn't going to do anything for s-sharp (ß - used in German), or any non-Latin-based alphabet (Greek, Cyrillic, CJK, etc).

更改字符串大小写时要小心。大写和小写形式取决于字母表。在土耳其语中，U + 0069（ i ）的大写是U + 0130（&＃x130; ），而不是U + 0049（我 ）如果您在土耳其语语言环境下使用 String.toLowerCase（），则可能会冒险将非latin1字符引入字符串。

Be careful when changing the case of a string. Upper and lower case forms are dependent on alphabets. In Turkish, the capitalization of U+0069 (i) is U+0130 (İ), not U+0049 (I) so you risk introducing a non-latin1 character back into your string if you use String.toLowerCase() under a Turkish locale.

这篇关于用于生成slugs的Java代码/库（用于漂亮的URL）的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！